【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及航空人工智能，尤其涉及一種基于圖神經(jīng)網(wǎng)絡(luò)的空間目標(biāo)間合相篩選方法。
技術(shù)介紹
1、隨著巨型星座、商業(yè)衛(wèi)星和其它天基基礎(chǔ)設(shè)施的持續(xù)增長，駐留空間物體包括有效載荷、衛(wèi)星以及空間碎片的數(shù)量驟增，空間物體間交會預(yù)警及碰撞風(fēng)險(xiǎn)逐年增加，這無疑加重了kessler效應(yīng)，對空間環(huán)境的可持續(xù)化發(fā)展提出了巨大挑戰(zhàn)。在日益擁擠的空間環(huán)境中，用以避免在軌碰撞事件的碰撞評估是最重要的空間活動之一。相較于具有機(jī)動能力的空間目標(biāo)之間的碰撞，非機(jī)動空間目標(biāo)間的碰撞事件發(fā)生頻率更高，因此，全編目條件下的碰撞評估更加適合實(shí)際場景的應(yīng)用。隨著空間觀測技術(shù)的持續(xù)進(jìn)步，編目空間物體的數(shù)量將大幅增長，這對當(dāng)前的碰撞評估任務(wù)提出更高的計(jì)算資源需求，并對現(xiàn)有的評估系統(tǒng)帶來巨大的壓力與挑戰(zhàn)。
2、合相篩選在碰撞評估中起著至關(guān)重要的作用。該過程通過對所有空間目標(biāo)的軌道進(jìn)行傳播，評估其在最接近點(diǎn)處是否超過預(yù)設(shè)的碰撞風(fēng)險(xiǎn)閾值，從而判斷是否存在潛在的合相事件，這一過程通常是整個(gè)評估流程中計(jì)算時(shí)間和資源消耗最為顯著的環(huán)節(jié)。傳統(tǒng)的合相篩選方法通過構(gòu)建一系列過濾器來篩選滿足特定規(guī)則的目標(biāo)組合。盡管眾多研究者嘗試將深度學(xué)習(xí)方法引入合相篩選任務(wù)，但目前大多數(shù)相關(guān)研究依賴于基于cdm(conjunction?data?message，合相數(shù)據(jù)信息)數(shù)據(jù)的方法。這種依賴限制了其在全編目條件下的適用性，難以滿足全面篩選的需求。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)主要解決目前隨著空間物體數(shù)量增加而導(dǎo)致的合相篩選計(jì)算資源消耗問題，并針對
2、本專利技術(shù)提供了一種基于圖神經(jīng)網(wǎng)絡(luò)的空間目標(biāo)間合相篩選方法，包括：
3、步驟s1：通過軌道數(shù)據(jù)庫獲取空間目標(biāo)的完整編目，并提取軌道傳播相關(guān)數(shù)據(jù)；
4、步驟s2：基于完整編目中涵蓋的所有空間目標(biāo)，建立濾波器框架以篩選所有目標(biāo)組合，構(gòu)建合相事件集；
5、步驟s3：將合相篩選映射為圖神經(jīng)網(wǎng)絡(luò)中的鏈接預(yù)測問題；
6、步驟s4：采用滑動時(shí)間窗口方法，將窗口內(nèi)合相事件構(gòu)建為圖結(jié)構(gòu)，構(gòu)建圖數(shù)據(jù)集；
7、步驟s5：基于圖數(shù)據(jù)集對圖神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；
8、步驟s6：通過引入閾值化操作，將圖神經(jīng)網(wǎng)絡(luò)模型輸出的邊概率矩陣轉(zhuǎn)換為鄰接矩陣，以表示節(jié)點(diǎn)之間的連接情況，從而判定是否存在潛在的合相事件。
9、進(jìn)一步的，在步驟s2中，建立濾波器框架的過程：
10、步驟s201：建立時(shí)間序列，明確篩選空間目標(biāo)的分析時(shí)間范圍以及每個(gè)時(shí)間步的間隔；
11、步驟s202：針對完整編目中的全部空間目標(biāo)，利用軌道傳播工具對其軌道初始狀態(tài)逐一傳播，生成時(shí)間序列下的全部軌道狀態(tài)；
12、步驟s203：構(gòu)建時(shí)間序列下全部空間目標(biāo)的目標(biāo)組合，計(jì)算各目標(biāo)組合間的軌道距離，并與設(shè)定的最小碰撞閾值進(jìn)行比較，以判斷是否存在合相事件；
13、步驟s204：提取事件的信息，構(gòu)建合相事件集。
14、進(jìn)一步的，在步驟s3中，將合相篩選映射為圖神經(jīng)網(wǎng)絡(luò)中的鏈接預(yù)測問題的方法為：
15、所有空間目標(biāo)均被表示為節(jié)點(diǎn)，并使用其norad?id進(jìn)行標(biāo)識；每個(gè)節(jié)點(diǎn)的特征包含合相事件發(fā)生的時(shí)間ti以及其對應(yīng)的軌道狀態(tài)eti；此外，節(jié)點(diǎn)間邊的存在與否用以表示不同空間目標(biāo)之間是否發(fā)生了合相事件。
16、進(jìn)一步的，在步驟s4中，采用滑動時(shí)間窗口方法，將窗口內(nèi)合相事件構(gòu)建為圖結(jié)構(gòu)的過程為：
17、步驟s401：定義滑動時(shí)間窗口；
18、步驟s402：對步驟s2中構(gòu)建的合相事件集應(yīng)用滑動時(shí)間窗口方法，提取每個(gè)時(shí)間窗口內(nèi)的合相事件信息，并分別存儲；
19、步驟s403：針對每個(gè)時(shí)間窗口中的合相事件，構(gòu)建相應(yīng)的圖結(jié)構(gòu)，并將其存儲為圖數(shù)據(jù)集，用于圖神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。
20、進(jìn)一步的，在步驟s402中，所述的滑動時(shí)間窗口操作方法為：
21、將合相事件集劃分為訓(xùn)練集、驗(yàn)證集和測試集，并分別在三個(gè)數(shù)據(jù)集中使用重疊窗口的方法進(jìn)行樣本框選。
22、進(jìn)一步的，在步驟s403中，所述的圖結(jié)構(gòu)構(gòu)建方法為：
23、統(tǒng)計(jì)滑動時(shí)間窗口內(nèi)的合相事件，將全部相關(guān)空間目標(biāo)視為節(jié)點(diǎn)，并基于窗口內(nèi)事件所涉及的目標(biāo)對建立邊集合，匹配事件時(shí)間以及相應(yīng)的軌道狀態(tài)信息作為節(jié)點(diǎn)特征以構(gòu)建圖結(jié)構(gòu)。
24、進(jìn)一步的，在步驟s5中，所述圖神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方式為：
25、在每個(gè)訓(xùn)練周期中，負(fù)樣本的生成均采用全局隨機(jī)采樣策略進(jìn)行，在正樣本除外的未連接部分中進(jìn)行隨機(jī)提取。此外，通過設(shè)置采樣率參數(shù)以精確調(diào)控正負(fù)樣本的比例。
26、本專利技術(shù)提供的一種基于圖神經(jīng)網(wǎng)絡(luò)的空間目標(biāo)間合相篩選方法，以空間物體作為節(jié)點(diǎn)，空間物體間關(guān)系作為邊，使用機(jī)器學(xué)習(xí)的分類思想看待合相篩選任務(wù)，并將其映射為圖神經(jīng)網(wǎng)絡(luò)中的鏈接預(yù)測問題，用以捕捉大規(guī)模目標(biāo)間的空間依賴關(guān)系。本專利技術(shù)公開一種數(shù)據(jù)集構(gòu)建框架，用于產(chǎn)生算法運(yùn)行必需的原始合相數(shù)據(jù)以及對應(yīng)的圖結(jié)構(gòu)，采用圖數(shù)據(jù)構(gòu)建框架和算法應(yīng)用流程，利用tle數(shù)據(jù)構(gòu)建圖數(shù)據(jù)生成框架，相較于大多數(shù)研究依賴的cdm數(shù)據(jù)，本專利技術(shù)具有更新頻率高以及覆蓋范圍廣的特點(diǎn)，從而確保方法的廣泛適用性；通過引入圖神經(jīng)網(wǎng)絡(luò)，顯著增強(qiáng)了模型對空間特征的捕捉能力，有效提高了合相篩選的效率和準(zhǔn)確性。本專利技術(shù)使用更新頻率更高、覆蓋范圍更廣的tle作為原始數(shù)據(jù)，搭建濾波器框架產(chǎn)生圖結(jié)構(gòu)數(shù)據(jù)，用以訓(xùn)練圖神經(jīng)網(wǎng)絡(luò)模型。本專利技術(shù)提供的方法為空間物體的合相篩選提供了新的手段，是人工智能方法在航天航空領(lǐng)域新的嘗試，具有很好的實(shí)際應(yīng)用價(jià)值。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于圖神經(jīng)網(wǎng)絡(luò)的空間目標(biāo)間合相篩選方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于圖神經(jīng)網(wǎng)絡(luò)的空間目標(biāo)間合相篩選方法，其特征在于，在步驟S2中，建立濾波器框架的過程：
3.根據(jù)權(quán)利要求2所述的基于圖神經(jīng)網(wǎng)絡(luò)的空間目標(biāo)間合相篩選方法，其特征在于，在步驟S3中，將合相篩選映射為圖神經(jīng)網(wǎng)絡(luò)中的鏈接預(yù)測問題的方法為：
4.根據(jù)權(quán)利要求3所述的基于圖神經(jīng)網(wǎng)絡(luò)的空間目標(biāo)間合相篩選方法，其特征在于，在步驟S4中，采用滑動時(shí)間窗口方法，將窗口內(nèi)合相事件構(gòu)建為圖結(jié)構(gòu)的過程為：
5.根據(jù)權(quán)利要求4所述的基于圖神經(jīng)網(wǎng)絡(luò)的空間目標(biāo)間合相篩選方法，其特征在于，在步驟S402中，所述的滑動時(shí)間窗口操作方法為：
6.根據(jù)權(quán)利要求5所述的基于圖神經(jīng)網(wǎng)絡(luò)的空間目標(biāo)間合相篩選方法，其特征在于，在步驟S403中，所述的圖結(jié)構(gòu)構(gòu)建方法為：
7.根據(jù)權(quán)利要求1所述的基于圖神經(jīng)網(wǎng)絡(luò)的空間目標(biāo)間合相篩選方法，其特征在于，在步驟S5中，所述圖神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方式為：
【技術(shù)特征摘要】
1.一種基于圖神經(jīng)網(wǎng)絡(luò)的空間目標(biāo)間合相篩選方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于圖神經(jīng)網(wǎng)絡(luò)的空間目標(biāo)間合相篩選方法，其特征在于，在步驟s2中，建立濾波器框架的過程：
3.根據(jù)權(quán)利要求2所述的基于圖神經(jīng)網(wǎng)絡(luò)的空間目標(biāo)間合相篩選方法，其特征在于，在步驟s3中，將合相篩選映射為圖神經(jīng)網(wǎng)絡(luò)中的鏈接預(yù)測問題的方法為：
4.根據(jù)權(quán)利要求3所述的基于圖神經(jīng)網(wǎng)絡(luò)的空間目標(biāo)間合相篩選方法，其特征在于，在步驟s4中，采用滑...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王哲龍，褚慶浩，侯鵬榮，李想，
申請(專利權(quán))人：大連理工大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。